基于事件的同时定位与地图构建：一份全面调查报告

​

Event-based Simultaneous Localization and Mapping: A Comprehensive
Survey

解决问题：本篇论文旨在介绍基于事件相机的视觉同时定位与地图构建算法，这种算法利用了异步和不规则事件流的优势，可以在高速运动和高动态范围照明等具有挑战性的场景下提高性能。

关键思路：本文对基于事件相机的vSLAM算法进行了全面综述，包括事件相机的工作原理，各种事件表示方法，以及四种主要的基于特征、直接、运动补偿和深度学习的事件相机vSLAM方法。相比于当前领域的研究，本文的创新点在于全面介绍了基于事件相机的vSLAM算法，并提供了实用指南和详细讨论。

其他亮点：本文评估了各种基于事件相机的vSLAM方法在不同基准测试中的表现，并指出了当前的挑战和未来的机遇。作者还提供了一个公共代码库，用于跟踪该领域的快速发展。本文的亮点在于全面介绍了基于事件相机的vSLAM算法，并提供了实用指南和详细讨论。

关于作者：主要作者包括Kunping Huang、Sen Zhang、Jing Zhang和Dacheng Tao。他们分别来自澳大利亚昆士兰大学、香港科技大学和新南威尔士大学。他们之前的代表作包括：Kunping Huang在计算机视觉领域的研究成果，Sen Zhang在机器学习和计算机视觉领域的研究成果，Jing Zhang在机器学习和计算机视觉领域的研究成果，Dacheng Tao在机器学习和计算机视觉领域的研究成果。

相关研究：近期的相关研究包括：Event-based Visual Inertial Odometry Using Cross-modal Neural Networks (Yanping Huang, et al., ETH Zurich)，Event-based Visual-Inertial Navigation with a Continuously Improving Map (Shi Guo, et al., University of Technology Sydney)，Real-Time Event-Based Stereo and Flow for Navigation of a Flying Robot (Henri Rebecq, et al., University of Zurich)。

论文摘要：本文介绍了一种新的生物启发式视觉传感器——事件相机，它具有高时间分辨率、动态范围广、低功耗和低延迟等优点。相比传统相机，事件相机在高速运动和高动态范围照明等挑战性场景下表现更佳。本文全面回顾了基于事件相机的视觉同时定位和地图构建算法，将这些方法分为四类：基于特征、直接法、运动补偿法和深度学习法，并对每种方法进行了详细的讨论和实践指导。此外，本文还评估了各种算法在不同基准测试中的表现，突出了当前的挑战和未来的机遇。最后，本文提供了一个公共代码库，以跟踪这一新兴研究领域的快速发展。

​Read More